Rのスライディングウィンドウの平均

小さいスライドに沿ってウィンドウの平均を報告したい値のベクトルがあります。

たとえば、次の値のベクトルの場合：

4, 5, 7, 3, 9, 8

ウィンドウサイズが3でスライドが2の場合、次のようになります。

(4+5+7)/3 = 5.33
(7+3+9)/3 = 6.33
(9+8)/3 = 5.67

そして、これらの値のベクトルを返します：

5.33, 6.33, 5.67

私のためにこれを行う簡単な関数はありますか？また、ウィンドウスタートのインデックスも返された場合は、ボーナスが追加されます。この例では、1,3,5

rollapplyパッケージzooの関数を使用すると、次のことができます。

> require(zoo)
> TS <- zoo(c(4, 5, 7, 3, 9, 8))
> rollapply(TS, width = 3, by = 2, FUN = mean, align = "left")
       1        3 
5.333333 6.333333

3つの観測値が含まれていないため、最後の値は計算されません。たぶんこれはあなたの本当の問題に十分でしょうか？また、返されたオブジェクトにはnames、返されたベクトルのインデックスとして必要なインデックスがあることに注意してください。

あなたの例では、最後のウィンドウに観測されていない0があると仮定しています。で埋めNAて欠損情報を表し、mean欠損値を処理するように指示する方が便利または現実的です。この場合、最終的なウィンドウ値として（8 + 9）/ 2になります。

> TS <- zoo(c(4, 5, 7, 3, 9, 8, NA))
> rollapply(TS, width = 3, by = 2, FUN = mean, na.rm = TRUE, align = "left")
       1        3        5 
5.333333 6.333333 8.500000

Rollapplyは、小さなデータセットでうまく機能します。ただし、数百万行（ゲノミクス）で作業している場合は非常に遅くなります。

次の機能は超高速です。

data <- c(runif(100000, min=0, max=.1),runif(100000, min=.05, max=.1),runif(10000, min=.05, max=1), runif(100000, min=0, max=.2))

slideFunct <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){
    result[i] <- mean(data[spots[i]:(spots[i]+window)])
  }
  return(result)
}

http://coleoguy.blogspot.com/2014/04/sliding-window-analysis.html

この単純なコード行は、次のことを行います。

((c(x,0,0) + c(0,x,0) + c(0,0,x))/3)[3:(length(x)-1)]

if xは問題のベクトルです。

library(zoo)
x=c(4, 5, 7, 3, 9, 8)
rollmean(x,3)

または

library(TTR)
x=c(4, 5, 7, 3, 9, 8)
SMA(x,3)

Rのshabbychefの答え：

slideMean<-function(x,windowsize=3,slide=2){
 idx1<-seq(1,length(x),by=slide);
 idx1+windowsize->idx2;
 idx2[idx2>(length(x)+1)]<-length(x)+1;
 c(0,cumsum(x))->cx;
 return((cx[idx2]-cx[idx1])/windowsize);
}

編集：探しているインデックスはただidx1...この関数は簡単に変更してそれらを返すこともできますが、別のを呼び出して再作成するのもほぼ同じくらい高速seq(1,length(x),by=slide)です。

Matlabでこれを簡単に行うことができます。

%given vector x, windowsize, slide 
idx1 = 1:slide:numel(x);
idx2 = min(numel(x) + 1,idx1 + windowsize);  %sic on +1 here and no -1;
cx = [0;cumsum(x(:))];  %pad out a zero, perform a cumulative sum;
rv = (cx(idx2) - cx(idx1)) / windowsize; %tada! the answer!

副作用としてidx1、合計の要素のインデックスです。これは簡単にRに変換できると確信していますfirst:skip:last。Matlab のイディオムは配列first、first + skip、first + 2skip、...、first + n skipを与えます。ここで、配列の最後の要素はを超えませんlast。

編集：平均化部分を省略していました（除算windowsize）。

これにより、ウィンドウの平均値とウィンドウの最初の値のインデックスが取得されます。

#The data
x <- c(4, 5, 7, 3, 9, 8)

#Set window size and slide
win.size <- 3
slide <- 2

#Set up the table of results
results <- data.frame(index = numeric(), win.mean = numeric())

#i indexes the first value of the window (the sill?)
i <- 1
#j indexes the row of the results to be added next
j <- 1
while(i < length(x)) {
    #This mean preserves the denominator of 3
    win.mean <- sum(x[i:(i+2)], na.rm = TRUE)/win.size
    #Insert the results
    results[j, ] <- c(i, win.mean)
    #Increment the indices for the next pass
    i <- i + slide
    j <- j + 1
    }

さまざまな警告が適用されます。これは、サンプルデータ以外ではテストされていません。多くの値がある場合は、このようなデータフレームへの追加が非常に遅くなる可能性があると思います（毎回data.frameをコピーするため）。など。しかし、それはあなたが求めたものを生み出します。